Jun Cai · Maowen Fua · Ying Yana · Zhong Chenb 等5人 · Applied Energy · 2025年1月 · Vol.398

摘要 电池储能系统（BESS）在维持用户侧电力供需平衡中发挥着关键作用。本文提出了一种基于深度Q网络（DQN）算法的BESS能量管理系统（EMS），该系统充分考虑了电池的充放电次数限制。首先，建立了EMS的数学模型；随后，将EMS的最优决策过程建模为马尔可夫决策过程（MDP），并在此基础上设计了相应的MDP公式与DQN算法，以根据负荷情况制定合理的充放电调度计划。最后，基于中国贵州省遵义市某线路的实际负荷数据开展了实验研究。测试结果表明，本研究所提出的优化方法可将电网功率波动的最大方差降低至原始...

解读: 该DQN深度强化学习储能控制策略对阳光电源ST系列PCS及PowerTitan储能系统具有重要应用价值。通过MDP建模优化充放电决策,可将电网波动方差降至49%,充放电次数减少50-67%,显著延缓电池老化。该算法可集成至iSolarCloud平台,结合阳光电源三电平拓扑和GFM控制技术,提升用户侧...